U-Net для сегментации лёгких на КТ

Когда я вижу, как коллеги-рентгенологи тратят вечер на ручную обводку лёгочных полей для волюметрии или подготовки данных к исследованию, сразу вспоминаю, с чего начинался наш челлендж по сегментации. U‑Net перевернула этот процесс. Она не просто рисует маску — она умеет восстанавливать точные границы даже на шумных томограммах с артефактами вдоха или выраженным фиброзом. Архитектура работает уверенно на небольших клинических датасетах, а качество контура прямо влияет на измерение объёма, плотности и локализации патологий — и это далеко не «красивая картинка», а реальная диагностическая ценность.

Что такое U-Net и почему она подходит для КТ лёгких

U-Net — это свёрточная нейросеть для сегментации, построенная по схеме «сжатие плюс расширение». На вход подаётся отдельный срез (или блок срезов), на выходе модель выдаёт карту вероятности, где каждый пиксель классифицируется как лёгочная ткань или фон. Ключевая идея — объединить общий анатомический контекст с высокой детализацией границ. Именно это сочетание делает U‑Net особенно привлекательной для КТ грудной клетки.

На практике выделяются три причины, почему сеть так хорошо ложится на задачу сегментации лёгких. Во‑первых, лёгкие имеют относительно крупную и устойчивую форму — ансамбль признаков encoder легко её усваивает. Во‑вторых, границы часто размыты из-за дыхательных движений, шума или плевральных наложений; классические методы здесь сбоят, а U‑Net обучается этим нюансам на примерах. В‑третьих, ручная разметка на объёмных исследованиях отнимает часы — масштабировать её без автоматизации практически невозможно. Именно поэтому U‑Net быстро стала базовой точкой, а затем и стандартом для десятков производных архитектур медицинской сегментации.

Как устроена U-Net

Визуально архитектура напоминает букву U. Слева расположен encoder — каскад блоков, которые последовательно уменьшают пространственное разрешение и выделяют иерархические признаки. Справа — decoder, восстанавливающий размер изображения и формирующий финальную маску. Всё это соединяется skip-соединениями, которые передают детали с ранних слоёв напрямую к соответствующим слоям декодера, не давая потерять тонкие структуры.

Encoder: извлечение признаков

На этапе сжатия сеть учится распознавать контуры лёгких, сосудистый рисунок, трахею и крупные бронхи, зоны уплотнения и участки пониженной плотности. Каждый следующий уровень порождает всё более абстрактные карты признаков, теряя пространственную детализацию. Для лёгких такая иерархия работает естественно: сначала модель выделяет общую форму органа, затем уточняет границу между лёгким и средостением, и только потом реагирует на мелкие структуры вроде субплевральных очагов. Когда я экспериментировал с визуализацией активаций, было отчётливо видно, что верхние слои энкодера реагируют на крупные перепады контраста, а глубокие — на текстурные паттерны.

Decoder: восстановление маски

Декодер шаг за шагом возвращает пространственное разрешение и собирает сегментацию. Особенно критичен этот этап для точности границ: в КТ лёгкие могут частично сливаться с плеврой, диафрагмой или тенью сердца. Без аккуратного восстановления модель либо «срежет» часть паренхимы, либо захватит соседние структуры. Поэтому апсемплинг здесь обычно комбинируется со свёрточными блоками, которые заново уточняют контур на основе принятых из энкодера признаков.

Skip connections: ключевая особенность

Пожалуй, самое полезное решение в оригинальной U-Net — это skip connections. Они передают карты признаков с выходов энкодерных блоков напрямую на вход соответствующих декодерных блоков, объединяя высокоуровневый контекст и низкоуровневые детали. Без них сегментация выглядела бы как грубая теневая маска, а с ними — как аккуратная обводка, повторяющая даже извитую щель междолевой плевры. В моих экспериментах отключение skip connections сразу увеличивало ошибку границы почти вдвое.

Почему U-Net часто лучше классических алгоритмов

До нейросетей мы применяли пороговую обработку, выращивание регионов, активные контуры и их гибриды. Они неплохо работают на «чистых» сканах с хорошим контрастом и глубоким вдохом. Но стоит появиться массивному выпоту, консолидации или артефактам от движения, как правила начинают сыпаться. Я не раз сравнивал активные контуры с U‑Net на данных с интерстициальными изменениями — контуры часто «прилипали» к тени сердца или диафрагме, а сеть стабильно удерживала реальную анатомическую границу.

Подход	Сильные стороны	Ограничения
Пороговая обработка	Простая и быстрая	Катастрофически зависит от шума и вариативности плотности
Регионы роста	Хорош для однородных объектов	Требует ручной инициации, нестабилен при неоднородностях
Активные контуры	Неплохо уточняет границу	Легко «сваливается» при шуме и сложной морфологии
U-Net	Автоматически обучается на примерах, адаптируется к сложным случаям	Требует размеченных данных и продуманной валидации

В реальной практике U‑Net выигрывает именно там, где жёсткие эвристики перестают работать, а анатомия становится непредсказуемой. Поэтому для сегментации лёгких на КТ нейросеть почти всегда оказывается надёжнее любых комбинаций классических методов.

Как подготовить данные для обучения

Качество модели почти всегда предопределено качеством данных. Если разметка выполнена небрежно или разными экспертами противоречиво, сеть просто выучит эти ошибки. Когда мы готовили датасет для соревнования, пришлось вручную перепроверять каждую маску, потому что один радиолог проводил границу по висцеральной плевре, а другой захватывал париетальный листок — разница в пару пикселей на срезе превращалась в килобайты ложной информации при обучении.

Что важно проверить перед обучением

единый формат данных — обычно DICOM, но может потребоваться конвертация в NIfTI для трёхмерных серий;
корректная ориентация срезов (особенно если часть исследований сагиттальные);
согласованное окно и уровень (зачастую достаточно нормализации по HU с отсечением типичного диапазона лёгких);
отсутствие грубых артефактов в разметке — например, масок без лёгочного рисунка или обводок соседних органов;
согласованность между экспертами, если аннотацию делали несколько специалистов; здесь полезен мета-анализ коэффициента согласия.

Для КТ лёгких отдельный вызов — объёмный характер данных. Даже хорошая 2D-разметка на отдельных срезах может дать слабый результат, если в серии встречается нестандартная толщина среза или выраженные ступенчатые артефакты дыхания. Поэтому я обычно советую продумывать стратегию «2.5D» или сразу переходить к 3D-патчностям, если позволяет память.

Минимальный набор данных

Чтобы запустить обучение, потребуется:

изображения КТ (желательно не менее 50–100 серий);
маски лёгких, выполненные по единым правилам;
документированные инструкции по аннотированию (что считать лёгким, как работать с главными бронхами и сосудами корня);
валидационная выборка для настройки гиперпараметров;
независимый тестовый набор, который модель не видела при обучении.

Если задача включает патологические зоны, разметку лучше сразу разбивать по классам: левое лёгкое, правое лёгкое, очаг уплотнения, полость, плевральный выпот и так далее. Это даст больше информации сети и позволит потом гибко использовать маски.

Как обучают U-Net для сегментации лёгких

Обучение обычно формулируют как задачу бинарной или многоклассовой сегментации: сеть сравнивает предсказанную маску с эталоном и минимизирует разницу через функцию потерь. Вся магия сводится к корректной подготовке данных и правильному выбору лосса, который не даст модели скатиться в тривиальный ответ «все пиксели — фон».

Основные этапы

Подготовка и нормализация КТ — приведение HU к единому окну, ресемплинг срезов при разной толщине.
Разметка лёгких экспертами по строгому протоколу.
Разделение выборки на train, validation и test с сохранением распределения патологий.
Обучение U‑Net выбранной конфигурации.
Подбор гиперпараметров — темп обучения, размер батча, стратегия аугментации.
Оценка на независимой выборке.
Постобработка предсказаний: удаление островков меньше определённого объёма, морфологическое закрытие мелких дырок, отделение трахеи.

Часто используемые функции потерь

На практике я всё чаще применяю комбинации: Dice loss хорошо справляется с дисбалансом классов (фона значительно больше, чем лёгочной ткани), бинарная кросс-энтропия штрафует за неуверенные вероятности на границах, а их сумма или взвешенная смесь часто даёт более стабильную сходимость. Иногда добавляю компоненту на основе Hausdorff distance для акцента на точность контура. Главное — не брать чистую кросс-энтропию без балансировки, иначе модель «поленится» выделять лёгкие, удовлетворяясь высоким процентом правильно распознанного фона.

Какие метрики использовать

Оценивать U‑Net только визуально — путь к самообману. В медицинской сегментации принято смотреть на пересечение масок и ошибки границы одновременно. Я не раз наблюдал, как модель давала Dice 0.96, но при этом систематически обрезала самые нижние отделы лёгких — визуально почти незаметно, а клинически критично. Поэтому в инструментарий обязательно включают несколько метрик.

Полезные метрики

Dice coefficient — основной показатель совпадения предсказания с эталоном;
IoU (Intersection over Union) — более строгая версия Dice, чувствительная к сдвигам;
sensitivity (полнота) — доля правильно найденной лёгочной ткани; её падение означает, что модель что‑то пропускает;
specificity — доля верно отвергнутого фона; полезна для обнаружения ложных захватов средостения;
Hausdorff distance — максимальное расстояние между границами; критична для оценки воспроизведения анатомически точных контуров.

Использование одной метрики почти гарантирует неожиданности при переходе на рабочих данных. В клинических проектах я дополнительно рассчитываю объёмную ошибку — разницу предсказанного объёма лёгких и истинного, потому что именно она будет важна врачу при динамическом сравнении.

Практические приёмы, которые улучшают результат

За годы экспериментов я убедился, что качество U‑Net редко растёт от одной магической настройки. Чаще всего выигрывает набор небольших решений, направленных на устойчивость к разнообразию сканов и точность границ.

Что обычно помогает

интенсивная аугментация: случайные повороты, сдвиги, масштабирование, добавление гауссовского шума и локальные деформации — это особенно важно, если у вас ограниченный парк томографов;
нормализация плотности по HU с обрезанием хвостов распределения — приводит значения к единому окну лёгких, уменьшая зависимость от протокола сканирования;
удаление пустых срезов выше и ниже лёгких — они не несут полезной информации, но увеличивают шум и время обучения;
балансировка классов через весовую функцию потерь или семплирование — предотвращает доминирование фона;
постобработка маски: удаление мелких ложных островков и заполнение отверстий, особенно в области корней;
использование 2.5D-подходов (подача нескольких соседних срезов как каналов) или полноценных 3D-вариантов, когда объём данных и ресурсы позволяют.

Когда нужна 3D-U-Net

Если клинический вопрос требует учёта объёмной анатомии — например, при оценке распространённости интерстициального заболевания — 3D-U‑Net может дать более связную маску, потому что видит контекст по оси Z. Однако требования к памяти резко вырастают, и без хорошего GPU обучение затягивается. Я обычно стартую с 2.5D (стек из 3–5 срезов), а если это даёт прирост, перехожу к патчам 3D с умеренным разрешением.

Когда достаточно 2D-U-Net

2D‑модель оправдана, когда данных мало, нужен быстрый прототип или интеграция в поток с ограниченной видеопамятью. Кроме того, тонкая нарезка высокого качества часто позволяет 2D‑сети работать не хуже 3D, особенно если добавить постобработку, сшивающую срезы в непрерывный объём.

Типичные ошибки при сегментации лёгких на КТ

Даже самая мощная модель валится, если в подготовке допущены фундаментальные промахи. Вот типичные ситуации, которые я не раз разбирал при аудите чужих проектов:

разметка выполнена по разным правилам в разных сериях — одни эксперты рисовали маску по наружному контуру лёгкого, другие включали главные бронхи;
в обучении смешаны исследования с толщиной среза 1 мм и 5 мм без ресемплинга — модель перестаёт понимать анатомическую форму;
слишком мало патологических случаев — сеть великолепна на здоровых лёгких, но падает при консолидации или выраженном фиброзе;
игнорируются артефакты движения и высокая шумность низкодозовых КТ — модель начинает «шум» принимать за границу;
проверка только на train/validation без независимого test set с реальной вариативностью — метрики завышены, внедрение проваливается.

Если U‑Net работает идеально на «чистых» КТ и резко проседает на клинических данных, проблема практически всегда в репрезентативности выборки, а не в архитектуре.

Где U-Net полезна в клинике

Сегментация лёгких не самоцель, а инструмент. Маска служит промежуточным этапом для расчётов и поддержки принятия решений. Именно поэтому я стараюсь смотреть на задачу с точки зрения рабочего процесса врача: что будет дальше с этим контуром?

Применения

автоматическое измерение объёма лёгочной ткани перед торакальными операциями и при оценке эмфиземы;
расчёт процента поражённой паренхимы при COVID-19, пневмониях или интерстициальных болезнях;
выделение зон интереса для последующего анализа очагов, узлов и опухолей;
автоматическая подсказка врачу: предзаполненные контуры ускоряют ручную коррекцию;
предобработка перед классификацией патологических паттернов — сеть-классификатор видит только лёгкое и не отвлекается на рёбра или средостение;
сравнение динамики между исследованиями — сегментация минимизирует вариабельность, присущую ручным измерениям.

Когда сегментация встроена в клинический пайплайн, она экономит время и снижает рутинную нагрузку. Именно поэтому U‑Net часто становится первым шагом к более сложной системе анализа КТ.

Как внедрять U-Net в рабочий процесс

Переход от обученной модели к реальной клинической практике требует не только кода, но и удобного интерфейса для врача. На старте я рекомендую схему human-in-the-loop: врач видит предложенную маску и при необходимости подправляет контур.

Практический сценарий внедрения

КТ-исследование поступает из PACS или напрямую с томографа.
Сервис автоматически извлекает нужную серию DICOM (обычно высокого разрешения без контраста).
U‑Net строит маску лёгких за секунды.
Результат проходит постобработку: сглаживание, удаление артефактов, разделение левого и правого лёгкого.
Врач в привычном рабочем месте видит маску как цветной контур и может быстро его подтвердить или скорректировать.
Финальная маска сохраняется в виде вторичного захвата DICOM или передаётся в измерительный модуль.

Такой подход не требует полного отказа от ручного контроля, но на практике снижает время разметки на 60–80%. Когда мы опробовали его в паре отделений, рентгенологи быстро привыкли и просили только добавить подсказки для сложных случаев с массивной консолидацией.

На что смотреть при внедрении

время обработки одного исследования — должно укладываться в клинический ритм;
стабильность результата на разных моделях томографов и протоколах;
бесшовная интеграция с DICOM-потоком — совместимость с PACS и рабочими станциями;
удобство отображения маски в привычном окне врача;
наличие логов и трассировки ошибок для разбора неудачных случаев;
соответствие нормативным требованиям и внутренним регламентам безопасности данных.

U-Net и будущее сегментации лёгких

Сегодня U‑Net остаётся не просто учебной моделью, а живым производственным стандартом. На её базе строят архитектуры с attention‑механизмами, трансформер‑гибриды и применяют self-supervised предобучение, чтобы снизить потребность в размеченных данных. Я вижу, как развиваются nnU‑Net — адаптивные фреймворки, которые сами подбирают конфигурацию под данные. Но базовый принцип не меняется: сначала нужно надёжно выделить анатомию, а затем вычислять параметры, сравнивать динамику и искать патологию. Пока что ни одна новая архитектура полностью не вытеснила U‑Net — её простота и предсказуемость в клинике ценятся выше модных новинок.

FAQ

Что лучше для сегментации лёгких на КТ: U-Net или классические алгоритмы?

Для реальных клинических данных с артефактами, вариативной толщиной среза и патологическими изменениями U‑Net, как правило, даёт более стабильный и точный результат. Классические методы типа пороговой обработки или активных контуров могут работать в ограниченных условиях, но не переносят изменчивость, с которой нейросеть справляется за счёт обучения на примерах.

Нужна ли 3D-U-Net для сегментации лёгких?

Не всегда. Если данных мало или нужна быстрая итерация, 2D‑U‑Net с хорошей аугментацией часто достаточна. Трёхмерная версия полезна, когда важна связность маски по оси Z и есть достаточные вычислительные ресурсы.

Какая метрика самая важная?

Чаще всего ориентируются на Dice coefficient, но для медицинской задачи необходимо смотреть комплексно: Dice, IoU, sensitivity и особенно Hausdorff distance, чтобы не пропустить грубые ошибки границы. Если модель срезает базальные отделы, одна Dice это не покажет.

Можно ли обучить U-Net на небольшом наборе КТ?

Да, это одно из сильных мест архитектуры. Но результат жёстко зависит от качества разметки, продвинутой аугментации и тщательной валидации. Без этого модель легко запомнит аномалии конкретных пациентов, а не обучится анатомии.

Подходит ли U-Net только для лёгких?

Вовсе нет. U‑Net применяют для сегментации печени, почек, опухолей, сосудов, структур мозга и множества других объектов на КТ, МРТ и рентгенограммах. Принцип «контекст плюс точные границы» универсален, поэтому я часто начинаю новый проект именно с этой архитектуры, адаптируя под конкретную анатомию.